Aprendizado ativo

O recurso de sugestões do aprendizado ativo permite aprimorar a qualidade da sua base de dados de conhecimento sugerindo perguntas alternativas, com base em envios do usuário, para o par de pergunta e resposta. Você examina essas sugestões, adicionando-as às perguntas existentes ou rejeitando-as.

Sua base de dados de conhecimento não é alterada automaticamente. Para que qualquer alteração entre em vigor, você precisa aceitar as sugestões. Essas sugestões adicionam perguntas, mas não alteram nem removem perguntas existentes.

O que é o aprendizado ativo?

O QnA Maker aprende novas variações de pergunta com comentários implícitos e explícitos.

• Comentários implícitos – o classificador compreende quando uma pergunta do usuário tem várias respostas com pontuações muito parecidas e considera isso como comentários. Você não precisa fazer nada para que isso ocorra.
• Comentários explícitos – quando várias respostas com pouca variação nas pontuações são retornadas da base de conhecimento, o aplicativo cliente pergunta ao usuário qual é a pergunta correta. Os comentários explícitos do usuário são enviados para o QnA Maker com a API de treinamento.

Qualquer um dos dois métodos fornece ao classificador consultas semelhantes são clusterizadas.

Como o aprendizado ativo funciona

O aprendizado ativo é disparado com base nas pontuações das primeiras melhores respostas retornadas pelo QnA Maker. Se as diferenças de pontuação entre os pares de perguntas e respostas que correspondem à consulta estiverem dentro de um pequeno intervalo, a consulta será considerada uma possível sugestão (como uma pergunta alternativa) para cada um dos pares de perguntas e respostas possíveis. Depois de aceitar a pergunta sugerida para um par de pergunta e resposta específico, ela será rejeitada para os outros pares. Você precisa se lembrar de salvar e treinar depois de aceitar sugestões.

O aprendizado ativo fornece as melhores sugestões possíveis em casos em que os pontos de extremidade estão obtendo uma quantidade e variedade razoáveis de consultas de uso. Quando cinco ou mais consultas semelhantes são clusterizadas, a cada 30 minutos, o QnA Maker sugere as perguntas baseadas no usuário ao designer de base de dados de conhecimento que, por sua vez, deve aceitá-las ou rejeitá-las. Todas as sugestões são clusterizadas por similaridade e as principais sugestões de perguntas alternativas são exibidas com base na frequência das consultas específicas por usuários finais.

Assim que as perguntas forem sugeridas no portal do QnA Maker, será necessário examinar e aceitar ou rejeitar essas sugestões. Não há uma API para gerenciar sugestões.

Como os comentários implícitos do QnA Maker funcionam

Os comentários implícitos do QnA Maker usam um algoritmo para determinar a proximidade da pontuação e, depois, faz sugestões de aprendizado ativo. O algoritmo para determinar a proximidade não é um cálculo simples. Os intervalos no exemplo a seguir não são fixos, mas devem ser usados como um guia para entender o impacto apenas do algoritmo.

Quando a pontuação de uma pergunta tem um alto grau de confiabilidade, tal como 80%, o intervalo de pontuações que são consideradas para aprendizado ativo é amplo, dentro de aproximadamente 10%. Conforme a pontuação de confiança diminui, por exemplo, para 40%, o intervalo de pontuações diminui também, para dentro de aproximadamente 4%.

Na resposta JSON a seguir de uma consulta para generateAnswer do QnA Maker, as pontuações de A, B e C estão perto e seriam consideradas como sugestões.

{
  "activeLearningEnabled": true,
  "answers": [
    {
      "questions": [
        "Q1"
      ],
      "answer": "A1",
      "score": 80,
      "id": 15,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    },
    {
      "questions": [
        "Q2"
      ],
      "answer": "A2",
      "score": 78,
      "id": 16,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    },
    {
      "questions": [
        "Q3"
      ],
      "answer": "A3",
      "score": 75,
      "id": 17,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    },
    {
      "questions": [
        "Q4"
      ],
      "answer": "A4",
      "score": 50,
      "id": 18,
      "source": "Editorial",
      "metadata": [
        {
          "name": "topic",
          "value": "value"
        }
      ]
    }
  ]
}

O QnA Maker não saberá qual resposta é a melhor resposta. Use a lista de sugestões do portal do QnA Maker para selecionar a melhor resposta e treine novamente.

Como fazer comentários explícitos com a API de treinamento

O QnA Maker precisa de comentários explícitos sobre qual resposta foi a melhor. Cabe a você decidir a forma de determinar a melhor resposta, o que pode incluir:

• Comentários do usuário, selecionando uma das respostas.
• Lógica de negócios, como determinar um intervalo de pontuação aceitável.
• Uma combinação dos comentários do usuário e da lógica de negócios.

Use a API de treinamento para enviar a resposta correta para o QnA Maker depois que o usuário a selecionar.

Atualizar a versão do runtime para usar o aprendizado ativo

O aprendizado ativo é compatível com a versão de runtime 4.4.0 e superior. Se sua base de dados de conhecimento foi criada em uma versão anterior, atualize seu runtime para usar esse recurso.

Ativar o aprendizado ativo para perguntas alternativas

O aprendizado ativo está desativado por padrão. Ative-o para ver sugestões de perguntas. Depois de ativar o aprendizado ativo, você precisa enviar informações do aplicativo cliente para o QnA Maker. Para obter mais informações, confira Fluxo de arquitetura para usar GenerateAnswer e treinar APIs com um bot.

1. Selecione Publicar para publicar a base de dados de conhecimento. As consultas de aprendizado ativo são coletadas somente do ponto de extremidade de previsão da API GenerateAnswer. As consultas ao painel Teste no portal do QnA Maker não afetam o aprendizado ativo.

2. Para ativar o aprendizado ativo no portal do QnA Maker, vá para o canto superior direito, selecione seu Nome e vá para Configuração do Serviço.

   

3. Localize o serviço QnA Maker e, em seguida, ative o aprendizado ativo.

   

   Observação

   A versão exata na imagem anterior é mostrada apenas como um exemplo. Sua versão pode ser diferente.

   Uma vez que o aprendizado ativo for habilitado, a base de dados de conhecimento sugere novas perguntas em intervalos regulares com base nas perguntas enviadas pelo usuário. Você pode desabilitar o aprendizado ativo desativando a configuração novamente.

Examinar as perguntas alternativas sugeridas

Examine as perguntas alternativas sugeridas na página Editar de cada base de dados de conhecimento.

Próximas etapas